Xinge Zhu
CUHK
収録論文 12本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- UniAfford: トークンルーティング型マルチタスク学習による汎用可能な2D-3Dアフォーダンス知覚アフォーダンス知覚2026/9/29
MLLMを共通の意味ハブとし、タスク別トークンルーターで画像・点群のアフォーダンスクエリを生成することで、2D・3D・統合アフォーダンス知覚を単一枠組みで扱う手法を提案。
- 暗黙的ドリフト方策:条件付き専門家幾何による一段階行動生成模倣学習/行動生成2026/6/1
拡散やフローマッチングに基づく生成行動ポリシーは反復サンプリングが遅いため、一段階生成を提案。訓練時のドリフト補正を明示的なベクトル場推定なしで取り込む暗黙的ドリフト方策(IDP)を導入し、2D・3D・実世界操作タスクで有効性を実証した。
- ノイズから意図へ:残差ブリッジによる生成的VLAポリシーのアンカリングVLA2026/4/1
生成的VLAポリシーを「ノイズからの生成」から「意図からの精緻化」へと転換し、スペクトル解析で制御を低周波の意図と高周波の残差に分離して、残差拡散ブリッジで局所ダイナミクスを精緻化するResVLAを提案した。
- ReAL-AD: 人間らしい階層的推論を実現するエンドツーエンド自動運転自動運転2025/7/1
人間の認知モデルに基づく3層推論(戦略・判断・操作)をVLMで強化し、エンドツーエンド自動運転の計画精度と安全性を30%以上向上させたフレームワーク。
- FreqPolicy: 連続トークンによる周波数自己回帰型視覚運動ポリシーマニピュレーション2025/6/1
動作を周波数領域で表現し、低周波から高周波へ段階的に自己回帰生成する連続トークン型の視覚運動ポリシーを提案。2D/3D操作ベンチマークで精度と効率を両立。
- 点群ストリームと時系列バウンディングボックスの勾配降下法による位置合わせ点群位置合わせ2024/9/1
点群と時系列バウンディングボックスの位置合わせを、サイズ・形状・時間情報を活用した目的関数の勾配降下法で最適化し、IoUを40%改善した手法を提案。
- 一度の学習で複数のデプロイに対応:極座標ベース適応型BEV知覚BEV知覚2023/4/1
極座標表現を用いてBEV特徴マップを構築し、任意の解像度に適応可能な一度の学習で複数のチップへの展開を可能にする自動運転向け3D知覚手法を提案。
- LiDARセグメンテーションのためのレンジビュー表現の再考LiDARセグメンテーション2023/3/1
レンジビュー表現の課題を分析し、ネットワーク設計・データ拡張・後処理を統合したRangeFormerを提案。低解像度でも高精度なSTR戦略により、点・ボクセル・マルチビュー手法を初めて上回った。
- MV-FCOS3D++: 単眼バックボーン事前学習を用いたマルチビューカメラのみの4D物体検出3D物体検出2022/7/1
Waymo Open Datasetチャレンジ2022のカメラのみ3D検出トラック向けに、単眼検出器FCOS3D++を事前学習しマルチビュー特徴を3Dグリッド空間に変換して4D検出を行う手法を提案し、49.75% mAPLで2位を獲得した。
- FCOS3D:全畳み込み単一ステージ単眼3D物体検出3D物体検出2021/4/1
単眼画像から3D物体を検出するため、2D検出器FCOSを拡張し7自由度の3Dターゲットを画像領域で2D/3D属性に分離して学習する枠組みを提案、nuScenesチャレンジで視覚のみ手法の1位を獲得した。
- SelfVoxeLO: ボクセルベース深層学習による自己教師ありLiDARオドメトリLiDARオドメトリ2020/10/1
生のLiDAR点群を3D畳み込みで直接処理し、点群固有の性質を活かした損失関数と不確実性考慮機構でラベルなし学習を実現した自己教師ありLiDARオドメトリ手法。
- TrafficPredict: 多種交通エージェントの軌跡予測軌跡予測2018/11/1
LSTMを用いて車・自転車・歩行者など異種交通エージェントの将来軌跡をリアルタイム予測する手法を提案し、大都市で収集したデータセットで従来法より高精度を示した。
